【技术实现步骤摘要】
本专利技术属于高光谱遥感图像处理领域，更具体地，涉及一种端到端的基于波段选择的高光谱图像变化检测算法，能够缓解高光谱波段冗余对变化检测的负面影响，增强变化特征的提取，从而提升高光谱图像变化检测的性能。
技术介绍
1、近年来，遥感技术的快速发展为探测和观测地球表面空间提供了有力支撑。高光谱成像作为遥感技术的一个重要分支，越来越受到研究者的关注。高光谱图像是一个三维数据立方体，它可以记录从可见光、近红外、中波红外甚至到远红外的精细化光谱。在保留目标空间信息的同时，高光谱图像还能提供了丰富的光谱维度信息，这使得得在传统遥感图像中不能探测的目标在高光谱遥感中能够被探测，有力增强了对地物的表征能力。
2、变化检测是指通过分析在不同时间拍摄的两幅遥感图像，从同一位置获取土地覆盖的变化情况。在过去几十年中，涌现了众多高光谱图像变化检测方法，旨在实现准确的变化检测结果。初期的变化检测算法主要基于图像代数[1]和图像变换[2]，利用无监督特征提取技术评估高光谱图像像素之间的相似性。然而，这些方法忽视了连续光谱特征的物理意义，同时难以提取高辨别...
【技术保护点】
1.一种端到端的基于波段选择的高光谱图像变化检测算法，包括下列步骤：
2.根据权利要求1所述的基于深度学习的波段选择模块，其特征在于，它可以学习一个由波段相关性到波段重要性的映射，并对波段进行了聚类，然后通过从每个簇中选择一个最重要的的波段构成波段子集。
3.根据权利要求1所述的特定波段空间注意力模块，其特征在于，它可以为每个波段生成空间注意力图，采用针对性的策略来提取每个波段的特征，从而充分捕获变化信息，改善特征的辨别性。
4.根据权利要求1所述的损失函数，其特征在于，包含变化检测优化项以及选择约束项，从而优化模型变化检测的能力以...
【技术特征摘要】
1.一种端到端的基于波段选择的高光谱图像变化检测算法，包括下列步骤：
2.根据权利要求1所述的基于深度学习的波段选择模块，其特征在于，它可以学习一个由波段相关性到波段重要性的映射，并对波段进行了聚类，然后通过从每个簇中选择一个最重要的的波段构成波段子集。
3.根据权利要求1...
【专利技术属性】
技术研发人员：周圆，姚清仁，杨明哲，陈克然，李硕士，
申请(专利权)人：天津大学，
类型：发明
国别省市：
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。